基于BP神经网络的航炮加速器运动特性分析

杨玉贵，刘记凯，齐晓林，吴 俊，薛军鹏

（1.解放军95927部队，河北沧州 061736；2.空军工程大学，陕西西安 710038）

基于BP神经网络的航炮加速器运动特性分析

杨玉贵1，刘记凯1，齐晓林2，吴 俊1，薛军鹏1

（1.解放军95927部队，河北沧州 061736；2.空军工程大学，陕西西安 710038）

对某航炮加速器运动特性进行了分析，测绘了加速器滚轮运动曲线，并采用BP神经网络进行拟合。给出了各运动件之间的约束关系，运用MATLAB软件对加速器运动特性进行了仿真计算，并对仿真结果进行了分析。为进一步研究加速器运动特性和改进设计提供了理论参考。

BP神经网络；航炮；加速器；运动特性

某航炮加速器通过滚轮在进弹机的线槽中运动，完成给机心组加速前冲或后退的工作。前冲或后退的过程是由多个部件组成的多连杆机构运动完成的，相互之间运动关系复杂，很不直观，不容易理解和掌握其运动特性。为了更好地掌握其运动特性，笔者采用BP神经网络对进弹机线槽进行拟合逼近，通过连杆间的约束关系进行解算，定量分析了其运动特性。

1 传动关系

航炮空中装弹或射击时，火药气体推动装弹活塞或活塞杆带动滑板在进弹机体内的运动槽中做往返直线运动，而滑板通过加速器轴与加速器连接，从而驱动加速器运动。一方面驱动加速器滚轮沿进弹机体的曲线槽运动；另一方面通过连杆轴与连杆的一端连接，并驱动连杆运动。连杆的另一端通过机心销与机心连接，连杆运动也就带动机心在水平送弹线上做往返运动。加速器传动关系如图1所示。

由于火药气体推力变化的高度非线性，加速器运动过程中的各种阻力和摩擦力的作用，实际模型复杂，加之实验条件的限制，研究非常困难。笔者对模型进行简化，即假设在火药气体推动下，滑板做匀速运动，并由此推算出机心的运动情况，从而对加速器的运动特性进行分析。

2 坐标系的建立

图2为加速器另一个侧面传动关系图，图中坐标系的x轴与炮管轴线平行，并通过机心销轴心，指向炮的前方为正；y轴通过滚轮轴心在曲线槽中最后位置点，向上为正。

2.1 加速器轴心的运动

加速器轴用来连接滑板和加速臂，随滑板前后往返运动，其轴心如图2点E所示。设点E坐标为（xE，50.33），在直线CD上运动。50.33mm为点E的纵坐标，由测绘得到。为了研究需要，假设滑板从最后位向最前位匀速运动半个周期，因此，横坐标xE是预先给定的线性变化量，假设：

式中，常系数29.8mm为滑板在最后位初始运动时E点的横坐标值，由测绘得到；常系数0.98mm／s为假定的滑板水平匀速运动速度。

2.2 AB曲线拟合的原则

加速器滚轮沿进弹机体曲线槽运动，图2中，AB为滚轮轴心的运动轨迹曲线，是经测绘并拟合得到。设点F的坐标为（xF，yF），其运动坐标值的确定与E点有关，当E点处于最后位时，F点处于A点；当E点处于最前位时，F点处于B点。因为曲线AB采用神经网络拟合，因此，曲线AB上的点先预先生成，步长满足计算需要。运动过程中，随E点的运动变化，F点坐标就可以确定，使线段EF的长度与加速器和滚轮两轴心距离之差最短，即：

式中，常系数37.45mm为加速器和滚轮两轴心距离，由测绘得到；约束条件xE＞xF限制了E点处于F点的前面，确保解的唯一性。

2.3 连杆轴心的运动坐标

加速臂通过连杆轴与连杆连接，连杆轴心如图2点G所示。设点G的坐标为（xG，yG），根据三角关系，可得：

2.4 机心铰链销轴心的运动坐标

机心铰链销用来连接连杆和机心组，机心铰链销轴心如图2点H所示。设点H的坐标为（xH，0），可得：

式中，常系数163.72mm为GH的长度，由测绘得到。

3 基于BP神经网络的算法

BP人工神经网络［1］是一种被广泛采用的前馈网络，它基于最小均方误差准则，主要由正向计算和误差反向传播组成。BP神经网络具有很强的逼近能力和曲线拟合能力。

加速器滚轮沿线槽运动的曲线，形状很不规则，难以得到解析方程。采用BP神经网络拟合，方法简单，降低了问题研究的难度。只要满足测绘点的数量和精度要求，采用BP神经网络拟合曲线能满足加速器运动特性的研究的需求。其基本思路：通过测绘，获得足够多的学习样本，按照BP学习算法训练网络，通过比较网络实际输出和期望输出误差来不断调节网络权值，直到达到要求的精度为止。

笔者采用三层BP网络，一个输入层，一个隐含层，一个输出层。输入层和输出层均为单节点，输入层为横坐标位移，输出为纵坐标位移。隐含层节点数为10。

由于在加速器滚轮轴心点F的坐标计算过程中，采用神经网络得到的是数值解，而不是解析解，所以得到的结果可能存在波动现象，因此必须进行滤波，本文采用十阶滑动平均滤波［2］。

图3为采用BP神经网络训练的过程。网络具有很好的收敛特性，迭代次数达到50时，拟合曲线的误差略大于10-2，精度能满足本文仿真计算的需求。

4 计算结果及分析

采用MATLAB软件［3］仿真计算结果如图4～图7。

图4为加速器滚轮在进弹机的线槽的运动曲线经测绘和BP神经网络拟合的曲线，两者重合性很好，说明运用神经网络拟合的曲线AB能满足后面计算的需要。运动过程中点E和点H沿水平方向运动，而点F和点H的运动曲线如图5所示，与实际运动相符。

图6为点E、F、G、H的动态运动的轨迹，可以看出E点从左往右沿水平线运动，带动F点沿曲线AB运动，而G点做类似M形状的运动，最后推动H点在x轴上做直线运动。

图7为点F、G、H相对于点F在曲线AB上运动时，各位置点分别在x或y方向对应的速度。从图中可以看出，末端点H的速度变化是，初始端和末端速度较小，且变化缓慢，中间段加速，速度较大。这有利于航炮拉弹带、锁膛、开膛、退壳等，又有利于提高航炮射速。速度最大出现在曲线AB斜率绝对值最大的地方，也就几乎是点F运动到直线CD的位置，即EF几乎水平；在曲线AB斜率绝对值较小的地方，速度值及其变化值较小。连杆GH的作用，主要是使H点保留G点x轴方向的运动，去除y方向的运动。

图8为滑板与机心在x方向上的传速比。滑板与机心最大传速比［4］出现在机心运动到中间段30～40mm范围，约为6，最小传速比出现在机心运动的两端，约为0.3。

5 结 论

通过测绘加速器滚轮运动的曲线，并采用BP神经网络拟合，用于末端点H速度的计算，整个计算过程正确，能满足加速器运动特性分析，对理解加速器运动特性和作用机理提供了有益的参考，并为加速器运动性能的改进设计和研制提供了一定的理论依据。

（References）

［1］武虎子，南英，王斯财，等.基于BP神经网络的无动力弹攻击区拟合分析［J］.导弹与航天运载技术，2008，（6）：41-44.

WU Huzi，NAN Ying，WANG Sicai，et al.Attack zone fitting of no-power missile based on BP neural network［J］.Missile and Space Vehcile，2008，（6）：41-44.（in Chinese）

［2］周瑜.一种新型的气体管道泄露检测与定位技术研究［D］.北京：北京理工大学，2007.

ZHOU Yu.Research on the new technology of the gas pipeling leakage detection and localization［D］.Beijing：Beijing Institute of Technology，2007.（in Chinese）

［3］薛定宇，陈阳泉.基于MATLAB／Simulink的系统仿真技术与应用［M］.北京：清华大学出版社，2004.

XUE Dingyu，CHEN Yangquan.The system simulation technology and application based on MATLAB／Simulink［M］.Beijing：Tsinghua University Press，2004.（in Chinese）

［4］齐晓林.航空自动武器［M］.北京：国防工业出版社，2008.

QI Xiaolin.Aviation automatic weapon［M］.Beijing：National Defence Industry Press，2008.（in chinese）

Analysis of the Kinematic Characteristic on the Aircraft Gun Accelerator Based on BP Neural Network

YANG Yugui1，LIU Jikai1，QI Xiaolin2，WU Jun1，XUE Junpeng1

（1.No.95927unit of PLA，Cangzhou 061736，Hebei，China；2.Air Force Engineering University，xi’an 710038，Shaanxi，China）

The kinematic characteristic of aircraft gun accelerator is analyzed and investigated.The kinematic curve of accelerator idler wheel is mapped，and is fitted by BP neural network.The restriction relation between the kinetic parts.The kinematic characteristic of accelerator is simulated and calculated by Matlab，and the results of simulation are analyzed.A theory reference is offered for further investigating the kinematic characteristic of accelerator and improving and designing the accelerator.

BP neural network；aircraft gun；accelerator；kinematic characteristic

TJ301，TJ302

A

1673-6524（2014）02-0012-04

2013-03-05；

2013-05-20

杨玉贵（1973-），男，博士，副教授，主要从事航空军械和自动化控制技术研究。E-mail：yangyugui＠bit.edu.cn